Der Orthopäde

, Volume 36, Issue 6, pp 570–576

Können Mindestmengen für Knieprothesen anhand von Routinedaten errechnet werden?

Ergebnisse einer Schwellenwertanalyse mit Daten der externen stationären Qualitätssicherung
Originalien

Zusammenfassung

Ziel der Arbeit

Im Rahmen dieser Arbeit wurde erstmals untersucht, ob in Deutschland bei der Implantation von Knieendoprothesen ein Zusammenhang zwischen Leistungsmenge und Ergebnisqualität auf Basis von Routinedaten besteht. Anschließend wurden Schwellenwertberechnungen durchgeführt und die Ergebnisse kritisch diskutiert.

Material und Methoden

Mit Hilfe von Daten des Bundesdatenpools der Bundesgeschäftsstelle Qualitätssicherung gGmbH (BQS) des Jahres 2004 von Patienten mit Knie-Totalendoprothesen-Erstimplantation wurde der Zusammenhang zwischen dem Risiko für „Unzureichende Beweglichkeit“ (primärer Qualitätsindikator) bzw. dem Risiko für „Infektion“ (sekundärer Qualitätsindikator) und der Fallzahl des betreffenden Krankenhauses pro Jahr unter Verwendung logistischer Regressionsmodelle untersucht.

Ergebnisse

Für beide Indikatoren konnte ein statistisch signifikanter Zusammenhang mit der Fallzahl nachgewiesen werden. Weitere Risikofaktoren wie z. B. Alter und ASA-Status hatten zwar einen signifikanten Einfluss, stellten aber keine wichtigen Confounder dar. Die Volume-Outcome-Beziehung für den sekundären Qualitätsindikator „Infektion“ zeigte eine sehr flache, mit steigender Fallzahl sehr langsam fallende Risikokurve, die die Hypothese unterstützt, dass High-volume-Krankenhäuser eine bessere Qualität aufweisen als Low-volume-Krankenhäuser. Ein Schwellenwert konnte auf Basis dieser Daten errechnet werden. Der Erklärungswert der Fallzahl war jedoch zu gering, um aus dieser Beziehung eine Mindestmenge abzuleiten, die in eindeutiger Weise zwischen guter und schlechter Qualität diskriminiert. Der Zusammenhang zwischen dem primären Qualitätsindikator „Unzureichende Beweglichkeit“ und der Fallzahl zeigte dagegen unerwartet einen U-förmigen Verlauf, der das Konzept einer Mindestmengenregelung für den Leistungsbereich Knie-TEP bezüglich des Qualitätsindikators „postoperative Beweglichkeit“ in Frage stellt.

Schlussfolgerung

Die vorliegende Auswertung unterstützt damit die Hypothese, dass es bei der Knie-TEP einen Zusammenhang zwischen der Leistungsmenge und der Ergebnisqualität gibt. Ein Schwellenwert, der in eindeutiger Weise zwischen guter und schlechter Qualität diskriminiert, ist jedoch aus den verfügbaren Daten nicht eindeutig ableitbar.

Schlüsselwörter

Mindestmengen Knie-TEP Logistische Regression Schwellenwertberechnung Routinedaten 

Is it possible to calculate minimum provider volumes for total knee replacement using routine data?

Results of a threshold value analysis of German quality assurance data for inpatient treatment

Abstract

Aim of the study

The aim of this study was to calculate, for the first time, minimum provider volumes in total knee replacement using routine German data.

Materials and Methods

In patients with primary total knee replacement (TKR), the relationship between hospital volume per year and risk of “insufficient mobility” (primary quality indicator) and “wound infection” (secondary quality indicator) was calculated by means of logistic regression models.

Results

For both indicators, a statistically significant relationship between hospital volume and outcome could be demonstrated. Other risk factors such as age and ASA status also had a significant influence, but did not appear as important confounders. The risk for the secondary quality indicator “infection” decreased constantly with increasing hospital volume, thus the curve was very flat. This supports the hypothesis that high volume hospitals have a higher quality level than low volume hospitals. A threshold value could be calculated. However, the explanation value for hospital volume was too low to derive a threshold level that clearly discriminates between good and bad quality of care. The relationship between the primary quality indicator “insufficient mobility” and hospital volume unexpectedly showed a U-shaped distribution. This questions the concept of a minimum provider volume regulation for primary total knee replacement for the quality indicator “insufficient mobility”. Therefore, in this case no quantitative threshold values were calculated.

Conclusion

This analysis supports the hypothesis of a volume-outcome relationship in primary total knee replacement. However, a minimum provider volume that clearly discriminates between good and bad quality of care could not be calculated on the basis of these German quality assurance data.

Keywords

Minimum provider volume Primary total knee replacement Logistic regression model Threshold value analysis Routine data 

Literatur

  1. 1.
    Bender R (1999) Quantitative risk assessment in epidemiological studies investigating threshold effects. Biom J 41: 305–319CrossRefGoogle Scholar
  2. 2.
    Bender R, Lange S (2001) Adjusting for multiple testing – when and how? J Clin Epidemiol 54: 343–349CrossRefPubMedGoogle Scholar
  3. 3.
    Bender R, Ziegler A, Lange S (2002) Logistische Regression. Dtsch Med Wochenschr 127: T11–T13Google Scholar
  4. 4.
    Bender R, Grouven U (2006) Möglichkeiten und Grenzen statistischer Regressionsmodelle zur Berechnung von Schwellenwerten für Mindestmengen. Z Ärztl Fortbild Qual Gesundhwes 100: 93–98Google Scholar
  5. 5.
    Bundesanzeiger 174 vom 15.09.2005, Seite 13.864. Vereinbarung zu Mindestmengen (Kniegelenksendoprothesen)Google Scholar
  6. 6.
    Cook RJ, Sackett DL (1995) The number needed to treat: A clinically useful measure of treatment effect. BMJ 310: 452–454PubMedGoogle Scholar
  7. 7.
    Geraedts M (2003) Evidenz zur Ableitung von Mindestmengen in der Medizin. Gutachten im Auftrag der BundesärztekammerGoogle Scholar
  8. 8.
    Heller RF, Dobson A (2000) Disease impact number and population impact number: Population perspectives to measures of risk and benefit. BMJ 321: 950–952CrossRefPubMedGoogle Scholar
  9. 9.
    Hosmer DW, Lemeshow S (eds) (2000) Applied logistic regression. 2nd edn. Wiley, New YorkGoogle Scholar
  10. 10.
    IQWiG (2005) Entwicklung und Anwendung von Modellen zur Berechnung von Schwellenwerten bei Mindestmengen für die Knie-Totalendoprothese. Abschlussbericht B05/01a. Köln: Institut für Qualität und Wirtschaftlichkeit im Gesundheitswesen (IQWiG), Dezember (http://www.iqwig.de/index.download.0c86b19df3bbf2bd981902d89aefaaa7.pdf, Zugriff am 15.08.2006)
  11. 11.
    Kellgren JH, Lawrence JS (1957) Radiological assessment of osteo-arthrosis. Ann Rheum Dis 16: 494–502PubMedGoogle Scholar
  12. 12.
    Klakow-Franck R, Wetzel H (2004) Mindestmengenregelung ohne Mindestmengen. Dtsch Ärtzebl 101: A-2926–A-2928Google Scholar
  13. 13.
    Kleinbaum DG, Klein M (eds) (2002) Logistic regression: A self-learning text. 2nd edn. Springer, New YorkGoogle Scholar
  14. 14.
    Luft HS, Bunker JP, Enthoven AC (1979) Should operations be regionalized? The empirical relation between surgical volume and mortality. N Engl J Med 301: 1364–1369PubMedGoogle Scholar
  15. 15.
    Luft HS, Hunt SS, Maerki SC (1987) The volume-outcome relationship: practice-makes-perfect or selective-referral patterns? Health Serv Res 22: 157–182PubMedGoogle Scholar
  16. 16.
    Mohr VD, Bauer J, Döbler K et al. (Hrsg) (2005) Qualität sichtbar machen. BQS-Qualitätsreport 2004. Düsseldorf: BQS Bundesgeschäftsstelle Qualitätssicherung gGmbHGoogle Scholar
  17. 17.
    Nagelkerke NJD (1991) A note on the general definition of the coefficient of determination. Biometrika 78: 691–692CrossRefGoogle Scholar
  18. 18.
    Newcombe RG (1998) Interval estimation for the difference between independent proportions: Comparison of eleven methods. Stat Med 17: 873–890CrossRefPubMedGoogle Scholar
  19. 19.
    Panageas KS, Schrag D, Riedel E et al. (2003) The effect of clustering of outcomes on the association of procedure volume and surgical outcomes. Ann Intern Med 139: 658–666PubMedGoogle Scholar
  20. 20.
    Pregibon D (1981) Logistic regression diagnostics. Ann Stat 9: 705–724Google Scholar
  21. 21.
    Rathmann W, Windeler J (Hrsg) (2002) Zusammenhang zwischen Behandlungsmenge und Behandlungsqualität. Evidenzbericht, Fachbereich Evidenz-basierte Medizin des MDS, EssenGoogle Scholar
  22. 22.
    Robert-Koch-Institut (Hrsg) (2004) Definition nosokomialer Infektionen (CDC-Definitionen), 4. Aufl. Berlin: Nationales Referenzzentrum für Surveillance von nosokomialen Infektionen, (http://www.nrz-hygiene.de/dwnld/cdc_definitionen.pdf, Zugriff am 01.12.2005)
  23. 23.
    Royston P, Ambler G, Sauerbrei W (1999) The use of fractional polynomials to model continuous risk variables in epidemiology. Int J Epidemiol 28: 964–974CrossRefPubMedGoogle Scholar
  24. 24.
    Schräder P, Rath T (2005) Mindestmengen in der Kniegelenkendoprothetik. Evidenzbericht und Auswirkungen auf die Versorgung. Orthopäde 34: 198–209CrossRefPubMedGoogle Scholar
  25. 25.
    Urbach DR, Austin PC (2005) Conventional models overestimate the statistical significance of volume-outcome associations, compared with multilevel models. J Clin Epidemiol 58: 391–400CrossRefPubMedGoogle Scholar

Copyright information

© Springer Medizin Verlag 2007

Authors and Affiliations

  1. 1.Medizinischer Dienst der Spitzenverbände der Krankenkassen (MDS) e.V.EssenDeutschland
  2. 2.Fakultät für Klinische Medizin Mannheim der Universität HeidelbergMannheimDeutschland
  3. 3.Institut für Qualität und Wirtschaftlichkeit im Gesundheitswesen (IQWiG)KölnDeutschland
  4. 4.Medizinische Fakultät der Universität zu KölnKölnDeutschland

Personalised recommendations